नेविगेशन
AI BENCHY
Advertise here

AI BENCHY तुलना

Kwaipilot: KAT-Coder-Air V2.5 vs OpenAI: GPT-5.5

सारांश

GPT-5.5 (low) average score में आगे है: 9.3 vs 6.0. KAT-Coder-Air V2.5 (low) की benchmark लागत कम है: $0.030 vs $0.907. KAT-Coder-Air V2.5 (low) तेज है: 6.47s vs 9.76s, pass rates 46.0% vs 85.7%.

अनुशंसित मॉडलGPT-5.5 (low)It has the strongest score in this comparison (9.3) and the best overall balance of cost and response time across all 2 models.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-14

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low रिलीज़: 2026-07-14 GPT-5.5 GPT-5.5 low रिलीज़: 2026-04-24
स्कोर 6.0 9.3
रैंक #124 #7
विश्वसनीयता 9.7 10.0
संगति 7.6 10.0
सही परीक्षण
प्रति प्रयास पास दर 46.0% 85.7%
अस्थिर टेस्ट 6 0
कुल रन 63 63
प्रति परिणाम लागत 0.427 5.035
कुल लागत $0.030 $0.907
इनपुट कीमत $0.150 / 1M $5.000 / 1M
आउटपुट कीमत $0.600 / 1M $30.000 / 1M
कुल इनपुट टोकन 42,464 34,209
आउटपुट टोकन 4,227 2,046
रीजनिंग टोकन 34,864 22,460
प्रतिक्रिया समय (औसत) 6.47s 9.76s
प्रतिक्रिया समय (अधिकतम) 25.49s 56.19s
प्रतिक्रिया समय (कुल) 135.80s 204.92s

जनरेशन शोकेस

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#124 KAT-Coder-Air V2.5

low
लागत
$0.004
समय
29.9s
टोकन
6,008 tok

#7 GPT-5.5

low
लागत
$0.068
समय
37.0s
टोकन
2,339 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
KAT-Coder-Air V2.5 3.5 7.3 11.1% 1 11.06s 7,893 2,001 13,623
GPT-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402

त्वरित तुलना

तुलना जोड़ी बदलें